从0到1手写一个Skill：我的竞品情报分析工作流实战教程

本文目录：

1. 先选一个值得做成 Skill 的场景
2. 纯手写一个最小可用 Skill
3. 把 Skill 从提示词升级成工作流
4. 用 Skill Creator 继续打磨
5. 在 Codex 中使用这个 Skill
6. 直接安装市面上的现成 Skill

一、先选一个值得做成 Skill 的场景

不是所有提示词都值得做成 Skill。

如果一件事只做一次，直接对话就行。Skill 适合那些你会反复做、每次步骤都差不多、但又很容易漏细节的任务。

我们这篇选一个比较实用的例子：竞品情报分析 Skill。

比如你可以这样对 Codex 说：

帮我分析一下飞书最近的产品策略，重点看定价、发布节奏、目标用户和对国内协同办公产品的启发。

结果如下，不管内容如何，从结构上看不能不一定满足我们的诉求：

这个任务看起来只是“调研一下”，但如果你做过就知道，它其实有一套稳定流程：

• 先确认分析对象和目标市场
• 优先找官网、定价页、文档、更新日志等一手信息
• 再补充媒体报道、社区讨论、用户评价等二手信息
• 把事实和推断分开写
• 最后输出对自己产品有用的判断

这就是一个很适合 Skill 的场景。

二、纯手写一个最小可用 Skill

我们先不用 Skill Creator，也不借助任何脚手架。

一个 Skill 最小只需要一个目录和一个SKILL.md文件。

这里建议先放在~/.codex/skills/目录下。这个目录可以理解成 Codex 的个人 Skill 仓库：放进去的 Skill 只对你自己的本地 Codex 生效，适合沉淀私人工作流，也不会污染项目代码仓库。

~/.codex/skills/ └── jingpin-fenxi/ └── SKILL.md

如果你不熟悉终端，完全可以用图形界面创建：打开用户目录下的.codex/skills文件夹，新建一个jingpin-fenxi文件夹，再在里面新建SKILL.md文件。

不建议把终端命令当成唯一入口。Skill 本质上就是一个文件夹加一份说明文档，用 Finder、VS Code、Cursor 或 Codex 的文件页面创建都可以。

然后写入下面这段内容：

--- name: jingpin-fenxi description: 竞品情报分析工作流。当用户要求分析某个竞品、比较产品、研究定价、产品定位、版本更新、目标用户、市场策略，或生成带证据链接的竞品分析报告时使用。 --- # 竞品分析 使用这个 Skill 生成有证据支撑的竞品分析。 ## 工作流程 1. 先确认分析对象、目标市场和用户的决策背景。 2. 优先查找一手信息： - 官方网站 - 定价页 - 帮助文档 - 更新日志或版本说明 - 客户案例 3. 一手信息不足时，再补充二手信息： - 媒体报道 - 社区讨论 - 应用商店评价 - 公开访谈或演讲 4. 把事实、推断和个人判断分开写。 5. 重要结论必须附上来源链接。 6. 结尾要给出对用户自己产品、业务或投资判断的启发。 ## 输出结构 请使用下面的结构： 1. 一句话结论 2. 产品定位 3. 目标用户 4. 定价和套餐 5. 产品更新节奏 6. 差异化能力 7. 风险和盲区 8. 对我们的启发 9. 信息来源列表

这就是一个最小可用 Skill。

别看它短，它已经把最重要的东西写进去了：什么时候触发、按什么步骤做、最后输出什么。

写完之后，不要急着继续加功能。第一步应该先做一次触发验证。

打开 Codex，新开一个对话，直接输入一个符合触发条件的问题：

帮我分析一下飞书和钉钉在企业协同办公市场的差异，重点看产品定位、目标用户、定价和最近半年产品更新。

如果自动触发不稳定，也可以先显式指定 Skill：

使用 jingpin-fenxi Skill，帮我分析飞书和钉钉在企业协同办公市场的差异。

这时不要只看 Codex 有没有“回答得像样”，而要看它有没有按照 Skill 的结构输出。一个正常的结果，至少应该长这样：

1. 一句话结论 2. 产品定位 3. 目标用户 4. 定价和套餐 5. 产品更新节奏 6. 差异化能力 7. 风险和盲区 8. 对我们的启发 9. 信息来源列表

下面是使用了Skill的执行步骤，可以看到有加载Jingpin Fenxin skill

下面是根据Jingpin Fenxi skill生成的结果，可以符合我们的预期

如果输出里没有这些栏目，说明 Skill 没有触发，或者触发了但约束不够强。这个时候优先回去改description和输出要求，而不是急着往里面堆更多内容。

第一个 Skill 不要追求复杂。先让它能稳定触发、稳定输出，再逐步增强。

三、拆开一个完整 Skill：每个目录到底放什么

最小 Skill 只有一个SKILL.md就够了。

但只要你开始在真实工作里使用，就会很快遇到一个问题：所有东西都写进SKILL.md，它会变得又长又乱。

所以一个成熟的 Skill，通常会把“流程、资料、脚本、素材”拆开放。

jingpin-fenxi/ ├── SKILL.md ├── references/ │ ├── report-template.md │ ├── saas-analysis-framework.md │ └── source-checklist.md ├── scripts/ │ ├── extract-links.py │ └── build-evidence-table.py └── assets/ ├── report-template.docx └── evidence-table.xlsx

这个结构看起来复杂了一点，但它的好处非常明显：Codex 先读轻量的工作说明，需要深入时再读取资料，需要稳定处理时再调用脚本，需要生成正式文件时再使用模板。

1. SKILL.md：放最核心的工作说明

SKILL.md是 Skill 的入口，里面不要塞太多细节。它最该负责三件事：

• 告诉 Codex 什么时候使用这个 Skill。
• 告诉 Codex 做事的主流程。
• 告诉 Codex 遇到不同情况时，该去读哪个文件或用哪个脚本。

比如进阶版的SKILL.md可以加上这样的导航：

## 资料读取规则 - 用户要求正式报告时，先读取 references/report-template.md。 - 用户要求分析 SaaS 产品时，先读取 references/saas-analysis-framework.md。 - 用户要求检查信息来源是否充分时，读取 references/source-checklist.md。 - 用户提供很多链接时，可以运行 scripts/extract-links.py 整理链接。 - 用户要求输出证据表时，可以运行 scripts/build-evidence-table.py。

这类内容很关键，因为它让 Skill 从“长提示词”变成了“带路线图的工作流”。

2. references：放需要按需读取的资料

references/适合放比较长、但不是每次都要读的内容。

以竞品分析为例，常见的参考文件可以这样设计：

这里的重点是：references 不是垃圾桶。不要把所有资料都丢进去，而是要让每个文件都有明确用途，并在SKILL.md里说明什么时候读。

3. scripts：放需要稳定执行的动作

scripts/不是必需的，但一旦任务里出现重复、机械、容易出错的动作，就很适合写成脚本。

比如竞品分析经常要处理大量来源链接。让模型每次手动整理，容易漏；写成脚本，结果就稳定很多。

scripts/ ├── extract-links.py └── build-evidence-table.py

这两个脚本可以分别负责：

• extract-links.py

  ：从网页快照、Markdown 笔记或调研材料里抽取链接，去重后按来源类型分类。

• build-evidence-table.py

  ：把“结论、证据、来源、可信度、备注”整理成 CSV 或 Excel 表格。

判断一个动作要不要放进 scripts，可以看三个问题：它是否重复出现？是否需要准确无误？是否用代码比用自然语言更稳定？如果答案是肯定的，就值得脚本化。

4. assets：放最终产物会用到的模板

assets/放的不是说明文档，而是最终产物会直接用到的素材。

比如你希望 Codex 最后生成一份可以发给团队的 Word 报告，或者一张证据表，就可以把模板放这里。

assets/ ├── report-template.docx └── evidence-table.xlsx

和references的区别在于：references 是给 Codex 读的，assets 是给最终结果用的。

一个好 Skill 的目录结构，应该让人一眼看出：哪里是工作流程，哪里是知识资料，哪里是自动化脚本，哪里是输出模板。

四、用 Skill Creator 继续打磨

手写版本已经能用，但如果你想做得更规范，可以让 Skill Creator 帮你升级。

它适合做几件事：

• 帮你确认这个 Skill 应该处理哪些场景
• 帮你优化description，让它更容易被触发
• 帮你决定哪些内容放进references，哪些做成scripts
• 帮你补测试用例，验证 Skill 是否真的稳定

你可以直接在 Codex 里这样说：

帮我创建一个 jingpin-fenxi Skill。 目标：当我让 Codex 分析某个竞品、产品策略、定价、发布节奏、目标用户时，自动使用这个 Skill。 输出：一份带证据链接的竞品分析报告，要区分事实、推断和对我们的启发。 请先帮我设计最小版本，再告诉我哪些内容适合放到 references、scripts 和 assets。

CodeX会根据我们的要求生成对应的skill

生成的位置在~/.codex/skills

如下所示，只包含了SKILL.md，一个好的 Skill Creator 工作流，不是上来就生成一堆文件，而是先问清楚：你到底想让这个 Skill 解决什么问题？什么输入？什么输出？什么算成功？

这里有个容易忽略的点：所谓“让 Codex 帮我创建 Skill”，并不是 Codex 凭空知道所有最佳实践。更准确地说，是 Codex 触发了一个专门用来创建 Skill 的 Skill，也就是skill-creator。

skill-creator本身也是一个 Skill。它里面沉淀的是“如何创建 Skill”的流程，比如先澄清使用场景，再设计触发描述，再拆分 references、scripts、assets，最后用测试用例验证效果。关于Skill Creator，可以在Codex的skills市场中进行安装

所以这其实是一个很有意思的递归：用一个 Skill，去创建另一个 Skill。

那实际工作里，到底应该先手写，还是直接用 Skill Creator？我的建议是分场景。

如果只给一句实践建议，我会这么说：学习时先手写，生产中用 Skill Creator；有草稿就让它优化，没有草稿就让它先访谈你。

手写 Skill 适合理解底层结构；Skill Creator 适合把真实工作流做规范、做完整、做可验证。两者不是二选一，而是从理解到生产化的两个阶段。

五、在 Codex 中使用这个 Skill

Skill 写好以后，最自然的用法是让 Codex 自动触发。

比如：

帮我分析一下飞书和钉钉在产品定位上的差异，重点看目标用户、定价和最近半年产品更新。

如果description写得好，Codex 应该能判断这是一个竞品情报任务，然后自动加载jingpin-fenxi。

你也可以显式指定：

使用 jingpin-fenxi Skill，帮我分析飞书、钉钉、企业微信在企业协同工作流上的差异。

如果你发现 Codex 没有触发这个 Skill，优先检查两件事：

• Skill 是否放在 Codex 能发现的位置，比如~/.codex/skills

• description

  是否写清楚了触发场景

很多时候，不是 Skill 没用，而是它的 description 太含糊。比如只写“分析竞品”就偏弱，最好把“定价、定位、产品更新、市场策略、目标用户、竞品报告”这些触发词都写进去。

六、直接安装市面上的现成 Skill

当然，并不是所有 Skill 都要自己写。

现在已经出现了一些 Skill 市场和 Skill 中心。比如 ModelScope Skills 技能中心 就可以直接浏览现成 Skill；如果想先看官方说明，也可以打开 ModelScope Skills 文档。

第一种方式，是在页面上找到某个 Skill，然后按页面给出的命令安装。比如 @vercel-labs/find-skills 这个 Skill，作用是帮你继续发现和安装其他 Skill。

npx skills add https://www.modelscope.cn/skills/@vercel-labs/find-skills

安装完成后，你就可以让 Codex 使用这个 Skill 来帮你找更多能力。比如直接问：

有没有适合做数据分析的 Skill？帮我找几个安装量比较高的。

我在本地试了一下，底层相当于执行了一次 Skill 搜索：

npx skills find "data analysis"

返回结果里会列出候选 Skill、安装量和详情链接，例如：

supercent-io/skills-template@data-analysis 13.8K installs github/awesome-copilot@datanalysis-credit-risk 6.9K installs claude-office-skills/skills@data-analysis 2.8K installs bytedance/deer-flow@data-analysis 1.9K installs

这就是find-skills的价值：你不需要一开始就知道世界上有哪些 Skill，只要描述需求，它就能帮你把候选项找出来，再让你根据安装量、来源和用途做判断。

第二种方式，是你已经知道要安装哪个 Skill，就直接用安装命令。比如从上面的搜索结果里挑一个数据分析 Skill，可以按包名安装：

npx skills add supercent-io/skills-template --skill>2026年AI行业最大的机会，毫无疑问就在应用层！
字节跳动已有7个团队全速布局Agent
大模型岗位暴增69%，年薪破百万！
腾讯、京东、百度开放招聘技术岗，80%与AI相关……
如今，超过60%的企业都在推进AI产品落地，而真正能交付项目的大模型应用开发工程师**，**却极度稀缺！
落地AI应用绝对不是写几个prompt，调几个API就能搞定的，企业真正需要的，是能搞定这三项核心能力的人：
✅RAG：融入外部信息，修正模型输出，给模型装靠谱大脑
✅Agent智能体：让AI自主干活，通过工具调用（Tools）环境交互，多步推理完成复杂任务。比如做智能客服等等……
✅微调：针对特定任务优化，让模型适配业务
目前，脉脉上有超过1000家企业发布大模型相关岗位，人工智能岗平均月薪7.8w！实习生日薪高达4000！远超其他行业收入水平！
技术的稀缺性，才是你「值钱」的关键！
具备AI能力的程序员，比传统开发高出不止一截！有的人早就转行AI方向，拿到百万年薪！👇🏻👇🏻
AI浪潮，正在重构程序员的核心竞争力！现在入场，仍是最佳时机！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
⭐️从大模型微调到AI Agent智能体搭建
剖析AI技术的应用场景，用实战经验落地AI技术。从GPT到最火的开源模型，让你从容面对AI技术革新！
大模型微调
掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。
学习如何利用领域数据（如制造、医药、金融等）进行模型定制，提升任务准确性和效率。
RAG应用开发
深入理解检索增强生成（Retrieval-Augmented Generation, RAG）技术，构建高效的知识检索与生成系统。
应用于垂类场景（如法律文档分析、医疗诊断辅助、金融报告生成等），实现精准信息提取与内容生成。
AI Agent智能体搭建
学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。
构建垂类场景下的智能助手（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）。
如果你也有以下诉求：
快速链接产品/业务团队，参与前沿项目
构建技术壁垒，从竞争者中脱颖而出
避开35岁裁员危险期，顺利拿下高薪岗
迭代技术水平，延长未来20年的新职业发展！
……
那这节课你一定要来听！
因为，留给普通程序员的时间真的不多了！
立即扫码，即可免费预约
「AI技术原理 + 实战应用 + 职业发展」
「大模型应用开发实战公开课」
👇👇
👍🏻还有靠谱的内推机会+直聘权益！！
完课后赠送：大模型应用案例集、AI商业落地白皮书